(supermind策略)换手率3%-12%、100亿市值以内的无亏损企业、流通市值50-

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑为:在换手率3%-12%、市值100亿以内、无亏损、流通市值在50亿到100亿之间的A股中进行选股。

选股逻辑分析

该选股逻辑通过挑选表现强劲、资金和交易量充足的个股,以期获取投资收益。

有何风险?

该逻辑选股过程忽略了个股的基本面因素,可能会选择一些表现好但未来发展前景不明朗的股票,存在投资风险。

如何优化?

可以通过引入财务因素、行业因素进行综合评定,考虑未来发展潜力和行业前景等因素,以提高选股的精度。

最终的选股逻辑

在符合换手率3%-12%、市值100亿以内、无亏损、流通市值在50亿到100亿之间的A股中,结合财务因素和行业因素对股票进行评定,选出表现强劲、具有良好发展潜力和行业前景的股票。

同花顺指标公式代码参考

选股公式:
CIRCMV<10000000000 AND BOARD = 1 AND TURNRATE>=3 AND TURNRATE<=12 AND (REF(EPS, 1) + REF(EPS, 2) + EPS) / 3 > 0 AND CIRCMKTV >= 500000000 AND CIRCMKTV <= 1000000000 ORDER BY RANK(AMOUNT)

Python代码参考

import pandas as pd
import tushare as ts

def get_good_stocks(N):
    good_list = []
    ts.set_token('your_token')
    pro = ts.pro_api()
    stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code')['ts_code']
    
    for ts_code in stock_list:
        if pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0:  # 非ST股票
            continue
        
        # 筛选符合条件的股票
        market_data = pro.daily_basic(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='circ_mv, circ_mv')
        if market_data.empty or market_data.iloc[-1]['circ_mv'] / 100000000 > 100 or market_data.iloc[-1]['circ_mv'] / 100000000 < 50 or market_data.iloc[-1]['board'] != '主板':
            continue
        
        company_data = pro.fina_indicator(ts_code=ts_code, start_date='20180101', end_date='20211231', fields='eps')
        if company_data.empty or company_data.iloc[-1]['eps'] <= 0 or (company_data.iloc[-1]['eps'] + company_data.iloc[-2]['eps'] + company_data.iloc[-3]['eps']) / 3 <= 0:
            continue
        
        daily_data = pro.daily(ts_code=ts_code, start_date='20220223', end_date='20220223')
        if daily_data.empty:
            continue
        
        tick_data = pro.moneyflow2(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='amount')
        if tick_data.empty or tick_data.iloc[-1]['amount'] < tick_data.iloc[-2]['amount']:
            continue
        
        good_list.append([ts_code, tick_data.iloc[-1]['amount']])
    
    # 根据资金流排序
    sorted_data = pd.DataFrame(good_list, columns=['ts_code', 'score']).sort_values(by='score', ascending=False).reset_index(drop=True)
    good_list = sorted_data['ts_code'].tolist()[:N]
    
    return good_list

good_stocks = get_good_stocks(10)
print(good_stocks)
    ## 如何进行量化策略实盘?
    请把您优化好的选股语句放入文章最下面模板的选股语句中即可。

    select_sentence = '市值小于100亿' #选股语句。

    模板如何使用?

    点击图标右上方的复制按钮,复制到自己的账户即可使用模板进行回测。


    ## 如果有任何问题请添加 下方的二维码进群提问。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论